【H.264/AVC视频编解码技术详解】十三、熵编码算法(4):H.264使用CAVLC解析宏块的残差数据

本文涉及的产品
全局流量管理 GTM,标准版 1个月
云解析 DNS,旗舰版 1个月
公共DNS(含HTTPDNS解析),每月1000万次HTTP解析
简介: 《H.264/AVC视频编解码技术详解》视频教程已经在“CSDN学院”上线,视频中详述了H.264的背景、标准协议和实现,并通过一个实战工程的形式对H.

《H.264/AVC视频编解码技术详解》视频教程已经在“CSDN学院”上线,视频中详述了H.264的背景、标准协议和实现,并通过一个实战工程的形式对H.264的标准进行解析和实现,欢迎观看!

“纸上得来终觉浅,绝知此事要躬行”,只有自己按照标准文档以代码的形式操作一遍,才能对视频压缩编码标准的思想和方法有足够深刻的理解和体会!

链接地址:H.264/AVC视频编解码技术详解

GitHub代码地址:点击这里


1. H.264的CAVLC解析宏块残差数据的流程

在H.264的解码器在解析宏块的残差数据时,其流程类似于上文提到的CAVLC编码的逆过程。在解析一个宏块残差的时候,首先解析的是残差矩阵的非零系数以及拖尾系数的个数numCoefftrailingOnes。随后是每一个拖尾系数的符号trailingSigns。而后是每一个非拖尾非零系数level的值。然后解析的是最高频非零系数前面的零的总个数totalZeros。最后是每一个非零系数前连续零的个数runBefore

2. 计算CAVLC解析残差的上下文参数

CAVLC编解码过程中的上下文即为当前块值numberCurrent。该值与当前像素块的左侧邻块和上方邻块中非零系数的个数有关。

以尺寸为4×4宏块分割方式为例。当前像素块同左侧和上方邻块的相对位置关系如下图:

对于当前像素块,若其上方和左侧相邻块都不可见(unavailable),那么当前像素块的numberCurrent值为0;若上方或左侧,有且仅有一个相邻块是可见的,那么当前像素块的numberCurrent值即为这个邻块中非零系数的个数numCoeff;若两个邻块都是可见的,那么当前像素块的numberCurrent值为两个邻块numCoeff的四舍五入平均值。

3. 解析非零系数总个数和拖尾系数个数

在CAVLC的解析过程中,非零系数总个数numCoeff和拖尾系数个数trailingOnes两个值是一起解析出来的。解析这两个值依据的是标准文档中的表9-5,如下表即是表9-5的部分:

根据之前解析出来的numberCurrent值,在这个表格中选择一列作为解码数据的参考。此后,从码流中读取相应长度的二进制码流,与表格中的值相比较。当码流与表格中的值匹配时,表格的前两列作为数组的下标,其值即等于希望解析出来的numCoeff和trailingOnes的值。

4. 解析拖尾系数的符号

我们知道变换系数矩阵中最高频的几个绝对值为1的非零系数称之为拖尾系数,其个数范围为0~3个。表示每一个拖尾系数的符号可以一个bit的trailing_ones_sign_flag表示:

  • 当trailing_ones_sign_flag为1,拖尾系数符号为-;
  • 当trailing_ones_sign_flag为0,拖尾系数符号为+;

5. 解析非零系数的幅值

非拖尾的非零系数的幅值通常表示为levels。Levels的解析相对较为复杂。该部分是从最高频开始解析到最低频的非零系数为止。也就是说,levels部分是按频率倒序解析的。

在解析每一个level的时候,每一个值都会按照前缀(prefix)和后缀(suffix)两部分进行解析。

5.1 解析level_prefix部分:

Level_prefix部分即level的前缀部分,该部分的解析较为简单,以伪代码表示如:

leadingZeroBits = −1
for( b = 0; !b; leadingZeroBits++ )
    b = read_bits( 1 )
level_prefix = leadingZeroBits

结合标准文档中的表9-6的表述可知,level的前缀值即为当前码流的下一个比特1之前连续的比特0的个数。

5.2 解析level_suffix部分:

Level_suffix部分的解析比prefix部分复杂,总体上可以分为以下几个步骤:

  1. 解析过程开始之前,初始化suffixLength的值:当非零系数总数numCoeff大于10且拖尾系数个数trailingOnes等于3时,suffixLength初始化为1,否则初始化为0;
  2. 确定levelSuffixSize的值:通常情况下,levelSuffixSize的值等于当前的suffixLength,除了下列两种意外情况:第一,level_prefix的值等于14且suffixLength为0,此时levelSuffixSize设为4;第二,level_prefix大于等于15,此时levelSuffixSize设为level_prefix-3;
  3. 解析level_suffix的值:根据levelSuffixSize的值作为长度,在码流中读取对应的二进制数据作为level_suffix;若levelSuffixSize为0,则level_suffix的值为0;

5.3 由level_prefix和level_suffix部分组合成为levelCode

在解析完成level_prefix和level_suffix之后,将二者组合生成levelCode。计算方法为:levelCode=(Min(15,level_prefix)<

5.3 由levelCode计算level

根据计算得到的levelCode的奇偶性,判断level的符号:

  • 若levelCode是偶数,返回level值为(levelCode + 2)>>1;
  • 若levelCode为奇数,返回level值为(−levelCode−1)>>1;

5.4 更新suffixLength的值

在解析过程中更新suffixLength体现了上下文自适应的思想。

  • 当suffixLength = 0时,suffixLength更新为1;
  • 当suffixLength小于6,且刚刚解析出来的level值大于阈值threshold时,suffixLength自增1;阈值threshold定义为( 3 << ( suffixLength − 1 ) );

6. 解析零系数信息

变换系数矩阵中的零系数也是重要的信息。CAVLC解析的零系数信息主要分两类:

  • totalZeros:每个矩阵一个值,表示最高频非零系数前零系数的总个数;
  • runBefore:每个非零系数一个值,表示该非零系数前连续0的总个数;

解析totalZeros的过程与解析numCoeff和trailingOnes类似,都是从一个二维表格中查找某列表格,在从码流中查找与表格中匹配的值,然后索引便是所求的totalZeros值。解析totalZeros的表格为标准文档中的表9-7。下图是表9-7的局部:

在解析totalZeros的过程中,选择表格的索引值等于当前矩阵块的非零系数个数numCoeff。

解析每个非零系数的runBefore时,也是按照从高频到低频逆序处理的。每次解析的runBefore也是按照类似上述的解析方法,从码流中读取相应长度的码流并与表格中的值比对,匹配后返回索引值作为解析的值。解析runBefore参考标准文档的表9-10:

每次解析出一个runBefore后,totalZeros都要减去该值,然后进行下一次处理。若有n个非零系数,则总共需要解析n-1个runBefore。最低频率的非零系数前的runBefore不需要写在码流中,因为可以通过上述信息推算出。

以上就是解析一个宏块的4×4残差系数矩阵相应语法元素的主要思想和过程。当然实际的解析过程比此要复杂得多,更详细的情况可到CSDN学院的课程:H.264/AVC视频编解码技术详解中观看。

目录
相关文章
|
10天前
|
算法 前端开发 数据处理
小白学python-深入解析一位字符判定算法
小白学python-深入解析一位字符判定算法
26 0
|
3天前
|
存储 算法 Java
解析HashSet的工作原理,揭示Set如何利用哈希算法和equals()方法确保元素唯一性,并通过示例代码展示了其“无重复”特性的具体应用
在Java中,Set接口以其独特的“无重复”特性脱颖而出。本文通过解析HashSet的工作原理,揭示Set如何利用哈希算法和equals()方法确保元素唯一性,并通过示例代码展示了其“无重复”特性的具体应用。
14 3
|
5天前
|
搜索推荐 算法
插入排序算法的平均时间复杂度解析
【10月更文挑战第12天】 插入排序是一种简单直观的排序算法,通过不断将未排序元素插入到已排序部分的合适位置来完成排序。其平均时间复杂度为$O(n^2)$,适用于小规模或部分有序的数据。尽管效率不高,但在特定场景下仍具优势。
|
3天前
|
机器学习/深度学习 人工智能 算法
"拥抱AI规模化浪潮:从数据到算法,解锁未来无限可能,你准备好迎接这场技术革命了吗?"
【10月更文挑战第14天】本文探讨了AI规模化的重要性和挑战,涵盖数据、算法、算力和应用场景等方面。通过使用Python和TensorFlow的示例代码,展示了如何训练并应用一个基本的AI模型进行图像分类,强调了AI规模化在各行业的广泛应用前景。
13 5
|
11天前
|
机器学习/深度学习 算法 PyTorch
Pytorch-RMSprop算法解析
关注B站【肆十二】,观看更多实战教学视频。本期介绍深度学习中的RMSprop优化算法,通过调整每个参数的学习率来优化模型训练。示例代码使用PyTorch实现,详细解析了RMSprop的参数及其作用。适合初学者了解和实践。
19 1
|
18天前
|
搜索推荐 Shell
解析排序算法:十大排序方法的工作原理与性能比较
解析排序算法:十大排序方法的工作原理与性能比较
37 9
|
18天前
|
搜索推荐 算法 数据可视化
深入解析冒泡排序算法
深入解析冒泡排序算法
17 4
|
28天前
|
算法 调度
操作系统的心脏:深入解析进程调度算法
本文旨在深入探讨现代操作系统中的核心功能之一——进程调度。进程调度算法是操作系统用于分配CPU时间片给各个进程的机制,以确保系统资源的高效利用和公平分配。本文将详细介绍几种主要的进程调度算法,包括先来先服务(FCFS)、短作业优先(SJF)、时间片轮转(RR)以及优先级调度(PS)。我们将分析每种算法的基本原理、优缺点及其适用场景。同时,本文还将讨论多级反馈队列(MFQ)调度算法,并探讨这些算法在实际应用中的表现及未来发展趋势。通过深入解析这些内容,希望能够为读者提供对操作系统进程调度机制的全面理解。
|
5天前
|
人工智能 算法 前端开发
无界批发零售定义及无界AI算法,打破传统壁垒,累积数据流量
“无界批发与零售”是一种结合了批发与零售的商业模式,通过后端逻辑、数据库设计和前端用户界面实现。该模式支持用户注册、登录、商品管理、订单处理、批发与零售功能,并根据用户行为计算信用等级,确保交易安全与高效。
|
5天前
|
前端开发 算法 JavaScript
无界SaaS模式深度解析:算力算法、链接力、数据确权制度
私域电商的无界SaaS模式涉及后端开发、前端开发、数据库设计、API接口、区块链技术、支付和身份验证系统等多个技术领域。本文通过简化框架和示例代码,指导如何将核心功能转化为技术实现,涵盖用户管理、企业店铺管理、数据流量管理等关键环节。

热门文章

最新文章

推荐镜像

更多